基于雷达一维先验的少样本ISAR目标识别方法及装置

本技术涉及雷达自动目标识别，特别是涉及一种基于雷达一维先验的少样本isar目标识别方法及装置。

背景技术：

1、雷达自动目标识别是目标探测、态势感知与遥感观测系统的核心能力之一，其技术包括依托高分辨距离像（high resolution range profile，hrrp）与isar等观测模态对目标散射特性进行刻画。其中，hrrp记录目标散射能量沿雷达视线方向的一维分布，其主响应与目标散射中心位置紧密相关，现有研究已在特征表征、统计建模、深度学习等方向取得显著进展，能够较好地完成hrrp目标识别任务；isar则将目标散射响应组织为二维距离–多普勒平面上的图像，被广泛应用于目标散射结构的高分辨率成像与识别，相关技术已涵盖手工多普勒特征、微动融合、稀疏孔径成像以及深度卷积识别等。此外，少样本学习领域亦发展出原型网络、关系网络、元学习等代表性范式，并被引入hrrp和isar识别场景。

2、然而，现有技术仍存在以下不足：非合作场景下isar样本获取代价高昂，目标域支持样本极为稀少，且测试阶段常涉及训练时未见的姿态区间，仅依靠少量isar支持样本构造的类原型易因姿态覆盖不足而产生显著偏差；此外，现有跨模态适配方法多采用非线性映射，在仅有类别级原型对作为弱监督信号的条件下易陷入过拟合，泛化能力受限。

3、因此，在目标域isar样本稀缺且测试姿态未见的少样本姿态外推场景下，如何充分挖掘易获取的外部数据（如hrrp）所蕴含的散射先验信息，并实现稳定可靠的跨模态知识迁移，进而提升isar目标识别的精度与鲁棒性，是本领域亟待解决的技术问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够利用一维hrrp散射先验提升少样本姿态外推场景下isar目标识别精度的基于雷达一维先验的少样本isar目标识别方法及装置。

2、一种基于雷达一维先验的少样本isar目标识别方法，所述方法包括：

3、获取hrrp样本集以及isar样本集，将所述hrrp样本集以及isar样本集分别作为源域以及目标域，所述源域与目标域对应相同的目标类别集合；

4、根据hrrp样本和isar样本分别构建模态特异的散射响应图，并利用hrrp样本散射响应图和isar样本散射响应图分别对参数不共享的图编码器，采用原型网络损失进行预训练，得到训练好的hrrp图编码器以及isar图编码器；

5、利用所述hrrp图编码器提取源域中每个类别的hrrp类原型，根据所有hrrp类原型构建hrrp散射原型库；

6、根据所述isar样本集构造多个isar类原型，并将各所述isar类原型作为锚点，学习一个无偏置的线性映射矩阵，将所述hrrp散射原型库中的各hrrp类原型映射至isar原型空间，得到迁移后的hrrp先验原型；

7、在每个测试情景中，根据当前情景中每类isar支持样本的数量确定自适应融合权重，利用所述自适应融合权重对所述迁移后的hrrp先验原型与由当前情景中isar支持样本构造的isar支持原型进行加权融合，得到最终类原型；

8、获取待识别的isar查询样本，利用所述isar图编码器提取所述isar查询样本的嵌入，计算所述嵌入与各最终类原型之间的相似度，将相似度最高的类别作为识别结果输出。

9、在其中一实施例中，所述源域与目标域对应相同的目标类别集合，同一类别下的hrrp样本与isar样本在采集时刻和观测姿态上无需一一对应。

10、在其中一实施例中，根据所述hrrp样本构建散射响应图，包括：

11、在所述hrrp样本的多极化幅度响应中选取能量最大的预设数量个的距离单元作为节点；

12、以所述预设数量个的节点为基础，按照自连接、局部距离近邻连接、距离顺序保持连接及全局汇总连接四种方式构建边集；

13、其中，所述节点的属性包含归一化距离位置、响应强度和局部多极化统计量。

14、在其中一实施例中，根据所述isar样本构建散射响应图，包括：

15、对所述isar图像取对数幅度得到对数幅度图；

16、对所述对数幅度图进行连通域检测，将检测到的各个连通域中响应加权质心作为节点；

17、以所述节点为基础，按照近邻连接、跨度连接及全局节点连接三种方式构建边集；

18、其中，所述节点的属性包含能量、尺度和局部对比度。

19、在其中一实施例中，所述hrrp图编码器和isar图编码器均采用gine型消息传递网络，通过消息传递、聚合和节点更新机制将各节点的属性信息汇聚为图级嵌入向量。

20、在其中一实施例中，利用所述hrrp图编码器提取源域中每个类别的hrrp类原型，包括：

21、将所述hrrp样本集中同一类别下的各hrrp样本分别输入所述hrrp图编码器，得到对应的图级嵌入向量；

22、对同一类别下的所有图级嵌入向量取平均值，得到对应类别的初始类原型向量；

23、对所述初始类原型向量进行归一化处理，使所述初始类原型向量的模长为1，将归一化后的向量作为对应类别的hrrp类原型；

24、将各个类别的hrrp类原型按类别索引存入原型库，得到所述hrrp散射原型库。

25、在其中一实施例中，所述无偏置的线性映射矩阵通过最大化映射后的hrrp类原型与对应的isar类原型锚点之间的余弦相似度来学习，所述线性映射矩阵不包含偏置项。

26、在其中一实施例中，根据当前情景中每类isar支持样本的数量确定自适应融合权重，包括：

27、以预设的源域先验权重上限为初始值，将所述源域先验权重上限乘以一个衰减因子，所述衰减因子随所述isar支持样本数量的增加按指数衰减规律减小，得到所述自适应融合权重。

28、本技术还提供了一种基于雷达一维先验的少样本isar目标识别装置，所述装置包括：

29、样本数据集获取模块，用于获取hrrp样本集以及isar样本集，将所述hrrp样本集以及isar样本集分别作为源域以及目标域，所述源域与目标域对应相同的目标类别集合；

30、图编码器预训练模块，用于根据hrrp样本和isar样本分别构建模态特异的散射响应图，并利用hrrp样本散射响应图和isar样本散射响应图分别对参数不共享的图编码器，采用原型网络损失进行预训练，得到训练好的hrrp图编码器以及isar图编码器；

31、hrrp散射原型库构建模块，用于利用所述hrrp图编码器提取源域中每个类别的hrrp类原型，根据所有hrrp类原型构建hrrp散射原型库；

32、hrrp先验原型迁移模块，用于根据所述isar样本集构造多个isar类原型，并将各所述isar类原型作为锚点，学习一个无偏置的线性映射矩阵，将所述hrrp散射原型库中的各hrrp类原型映射至isar原型空间，得到迁移后的hrrp先验原型；

33、最终类原型得到模块，用于在每个测试情景中，根据当前情景中每类isar支持样本的数量确定自适应融合权重，利用所述自适应融合权重对所述迁移后的hrrp先验原型与由当前情景中isar支持样本构造的isar支持原型进行加权融合，得到最终类原型；

34、少样本目标识别模块，用于获取待识别的isar查询样本，利用所述isar图编码器提取所述isar查询样本的嵌入，计算所述嵌入与各最终类原型之间的相似度，将相似度最高的类别作为识别结果输出。

35、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于雷达一维先验的少样本isar目标识别方法中的具体步骤。

36、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于雷达一维先验的少样本isar目标识别方法中的具体步骤。

37、上述基于雷达一维先验的少样本isar目标识别方法及装置，通过根据hrrp样本和isar样本分别构建模态特异的散射响应图，并利用hrrp样本散射响应图和isar样本散射响应图分别对参数不共享的图编码器，采用原型网络损失进行预训练，得到训练好的hrrp图编码器以及isar图编码器，利用hrrp图编码器提取源域中每个类别的hrrp类原型，根据所有hrrp类原型构建hrrp散射原型库，根据isar样本集构造多个isar类原型，并将各isar类原型作为锚点，学习一个无偏置的线性映射矩阵，将hrrp散射原型库中的各hrrp类原型映射至isar原型空间，得到迁移后的hrrp先验原型，在每个测试情景中，根据当前情景中每类isar支持样本的数量确定自适应融合权重，利用自适应融合权重对迁移后的hrrp先验原型与由当前情景中isar支持样本构造的isar支持原型进行加权融合，得到最终类原型，利用isar图编码器提取isar查询样本的嵌入，计算嵌入与各最终类原型之间的相似度，将相似度最高的类别作为识别结果输出。

38、有益效果：

39、本方法通过将易于获取的hrrp一维数据作为源域先验，有效填补了现有isar识别中源域散射先验知识未被充分利用的空白，且分别构建模态特异的散射响应图并对参数不共享的图编码器独立预训练，充分保留了hrrp与isar各自的模态特有散射结构，避免了跨模态简单共享参数带来的散射特征混淆；利用hrrp图编码器构建可冻结调用的hrrp散射原型库，并结合无偏置线性映射矩阵将hrrp类原型迁移至isar原型空间，相较于非线性适配器，在仅有类别级原型对监督的条件下显著增强了跨模态迁移的稳定性与泛化能力，有效抑制了过拟合风险；通过在每个测试情景中根据isar支持样本数量自适应确定融合权重，在支持样本极端稀缺时强化hrrp先验对不可靠目标域原型的正则化引导作用，随着支持样本增加逐步降低先验依赖，从而在不同少样本配置下均能保持稳定的识别性能。最终利用isar图编码器提取查询样本嵌入并与融合原型进行相似度分类，在不增加推理阶段计算开销的前提下，显著提升了姿态外推条件下少样本isar目标识别的精度与鲁棒性。